OmniVerifier-C1：分解式分级视觉验证器
AI 总结
arXiv 于 2026 年 10 月 15 日收录论文 OmniVerifier-C1，提出一种不再只输出真/假二元判断的视觉验证器：它会把复杂提示或环境规则自动拆解为细粒度子问题并给出逐点分数，形成连续、可解释的批评信号。作者采用解耦强化学习训练策略，联合优化子问题级二元判断与全局对齐评分，并称该逐点分级验证器在传统文生图场景中明显优于二元验证器。研究进一步扩展到规则约束的生成式世界建模（如 Maze、Sudoku 等结构化任务），并从理论上说明在存在真实图像时配对验证比逐点形式更准确；该工作被标注为 NeurIPS 2026。
深度见解
它提示从生成模型走向结构化世界建模智能体，可能取决于能否获得准确的配对分级视觉验证器。